人脸识别已成为图像分析和理解中最成功的应用之一,其在安全监控、存取控制、人工智能、人机交互等方面得到了广泛应用。但由于年龄变化会引起人脸形状和纹理上的变化,并且对于不同性别的人,其变化规律也不同,从而导致人脸识别率的下降。为解决这一问题,本文在国内外现有人脸识别技术基础上,从性别识别和年龄预测两个方面着手,提出一种加入性别分类的年龄预测算法来实现人脸年龄的准确估计,并设计相应的原型系统。本文的工作主要包括：(1)采用Gabor小波与KLDA相结合进行人脸特征提取。通过对现有特征提取方法的研究和分析,本文采用Gabor小波提取出有利于性别分组的关键特征,然后利用KLDA对Gabor特征进行二次特征提取,得到类间散度最大、类内散度最小的特征向量。该方法能提取出适合性别分组的特征,有利于提高人脸性别分类的准确率。(2)提出基于SVM组合-模糊KNN人脸性别识别方法。针对标准支持向量机在二分问题中超平面附近存在的不足,提出结合SVM组合与模糊KNN的性别识别算法。该算法用少量已知性别样本自动确定SVM组合与模糊KNN的最优分类阈值,并计算待识别样本和支持向量机所确定的超平面的距离,通过距离与阈值的比较进行性别识别。(3)提出基于性别分组的年龄预测方法。通过ASM-AAM联合建模,首先利用ASM比较精确地定位出人脸形状特征,然后利用AAM提取出形状特征点内部的纹理特征。考虑到男、女人脸皮肤的老化速度不同,为了克服单一模型特征提取的不准确性,本文构建男女双模型进行特征提取,从而提高年龄估计的准确率。(4)采用面向对象思想设计并开发基于性别分组的年龄估计原型系统。该系统由图像预处理、特征提取、性别分类识别,年龄预测四个功能模块组成,基本实现针对不同性别训练图像与测试图像的较准确的年龄段估计。